Hadoop的設(shè)計(jì)特點(diǎn)有哪些

本篇內(nèi)容主要講解“Hadoop的設(shè)計(jì)特點(diǎn)有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Hadoop的設(shè)計(jì)特點(diǎn)有哪些”吧!

• Hadoop歷史

        雛形開始于2002年的Apache的Nutch，Nutch是一個(gè)開源Java 實(shí)現(xiàn)的搜索引擎。它提供了我們運(yùn)行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬蟲。

        隨后在2003年Google發(fā)表了一篇技術(shù)學(xué)術(shù)論文谷歌文件系統(tǒng)（GFS）。GFS也就是google File System，google公司為了存儲海量搜索數(shù)據(jù)而設(shè)計(jì)的專用文件系統(tǒng)。

        2004年Nutch創(chuàng)始人Doug Cutting基于Google的GFS論文實(shí)現(xiàn)了分布式文件存儲系統(tǒng)名為NDFS。

        2004年Google又發(fā)表了一篇技術(shù)學(xué)術(shù)論文MapReduce。MapReduce是一種編程模型，用于大規(guī)模數(shù)據(jù)集（大于1TB）的并行分析運(yùn)算。

        2005年Doug Cutting又基于MapReduce，在Nutch搜索引擎實(shí)現(xiàn)了該功能。

        2006年，Yahoo雇用了Doug Cutting，Doug Cutting將NDFS和MapReduce升級命名為Hadoop，Yahoo開建了一個(gè)獨(dú)立的團(tuán)隊(duì)給Goug Cutting專門研究發(fā)展Hadoop。

        不得不說Google和Yahoo對Hadoop的貢獻(xiàn)功不可沒。

• Hadoop核心

        Hadoop的核心就是HDFS和MapReduce，而兩者只是理論基礎(chǔ)，不是具體可使用的高級應(yīng)用，Hadoop旗下有很多經(jīng)典子項(xiàng)目，比如HBase、Hive等，這些都是基于HDFS和MapReduce發(fā)展出來的。要想了解Hadoop，就必須知道HDFS和MapReduce是什么。

• HDFS

HDFS（Hadoop Distributed File System，Hadoop分布式文件系統(tǒng)），它是一個(gè)高度容錯(cuò)性的系統(tǒng)，適合部署在廉價(jià)的機(jī)器上。HDFS能提供高吞吐量的數(shù)據(jù)訪問，適合那些有著超大數(shù)據(jù)集（large data set）的應(yīng)用程序。

HDFS的設(shè)計(jì)特點(diǎn)是：

1、大數(shù)據(jù)文件，非常適合上T級別的大文件或者一堆大數(shù)據(jù)文件的存儲，如果文件只有幾個(gè)G甚至更小就沒啥意思了。

2、文件分塊存儲，HDFS會將一個(gè)完整的大文件平均分塊存儲到不同計(jì)算器上，它的意義在于讀取文件時(shí)可以同時(shí)從多個(gè)主機(jī)取不同區(qū)塊的文件，多主機(jī)讀取比單主機(jī)讀取效率要高得多得都。

3、流式數(shù)據(jù)訪問，一次寫入多次讀寫，這種模式跟傳統(tǒng)文件不同，它不支持動態(tài)改變文件內(nèi)容，而是要求讓文件一次寫入就不做變化，要變化也只能在文件末添加內(nèi)容。

4、廉價(jià)硬件，HDFS可以應(yīng)用在普通PC機(jī)上，這種機(jī)制能夠讓給一些公司用幾十臺廉價(jià)的計(jì)算機(jī)就可以撐起一個(gè)大數(shù)據(jù)集群。

5、硬件故障，HDFS認(rèn)為所有計(jì)算機(jī)都可能會出問題，為了防止某個(gè)主機(jī)失效讀取不到該主機(jī)的塊文件，它將同一個(gè)文件塊副本分配到其它某幾個(gè)主機(jī)上，如果其中一臺主機(jī)失效，可以迅速找另一塊副本取文件。

HDFS的關(guān)鍵元素：

Block：將一個(gè)文件進(jìn)行分塊，通常是64M。

NameNode：保存整個(gè)文件系統(tǒng)的目錄信息、文件信息及分塊信息，這是由唯一一臺主機(jī)專門保存，當(dāng)然這臺主機(jī)如果出錯(cuò)，NameNode就失效了。在Hadoop2.*開始支持activity-standy模式----如果主NameNode失效，啟動備用主機(jī)運(yùn)行NameNode。

DataNode：分布在廉價(jià)的計(jì)算機(jī)上，用于存儲Block塊文件。

• MapReduce

通俗說MapReduce是一套從海量·源數(shù)據(jù)提取分析元素最后返回結(jié)果集的編程模型，將文件分布式存儲到硬盤是第一步，而從海量數(shù)據(jù)中提取分析我們需要的內(nèi)容就是MapReduce做的事了。

下面以一個(gè)計(jì)算海量數(shù)據(jù)最大值為例：一個(gè)銀行有上億儲戶，銀行希望找到存儲金額最高的金額是多少，按照傳統(tǒng)的計(jì)算方式，我們會這樣：

Java代碼  

1. Long moneys[] ...  

2. Long max = 0L;  

3. for(int i=0;i<moneys.length;i++){  

4.   if(moneys[i]>max){  

5.     max = moneys[i];  

6.   }  

7. }  

 如果計(jì)算的數(shù)組長度少的話，這樣實(shí)現(xiàn)是不會有問題的，還是面對海量數(shù)據(jù)的時(shí)候就會有問題。

MapReduce會這樣做：首先數(shù)字是分布存儲在不同塊中的，以某幾個(gè)塊為一個(gè)Map，計(jì)算出Map中最大的值，然后將每個(gè)Map中的最大值做Reduce操作，Reduce再取最大值給用戶。

        MapReduce的基本原理就是：將大的數(shù)據(jù)分析分成小塊逐個(gè)分析，最后再將提取出來的數(shù)據(jù)匯總分析，最終獲得我們想要的內(nèi)容。當(dāng)然怎么分塊分析，怎么做Reduce操作非常復(fù)雜，Hadoop已經(jīng)提供了數(shù)據(jù)分析的實(shí)現(xiàn)，我們只需要編寫簡單的需求命令即可達(dá)成我們想要的數(shù)據(jù)。

到此，相信大家對“Hadoop的設(shè)計(jì)特點(diǎn)有哪些”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！